问答 · ANSWER
何时使用EDA？
直接回答
探索性数据分析（EDA）适用于对数据信息缺乏足够经验、不确定使用何种传统方法时，通过可视化等手段自由探索数据结构和规律。
关键要点
- EDA适用于对数据信息缺乏足够经验，不确定使用何种传统方法时。
- EDA的核心在于不预设假设，通过可视化等手段探索数据结构和规律。
- EDA与验证性数据分析（CDA）的目标不同，前者旨在发现，后者旨在验证。
- EDA的实施过程没有固定的统计检验流程，形式自由，可根据发现调整方向。
怎么选 / 怎么做
判断是否使用EDA，可以考虑以下情况：
- 面对一份全新的、业务背景不熟悉的数据。
- 没有任何明确的分析目标与假设。
- 客户或分析师自己也不知道数据里到底有什么信息或规律。
常见问题
EDA和验证性分析有什么区别？
EDA旨在发现数据中的隐藏信息，验证性分析用于验证已有的猜想。
EDA的主要工具是什么？
主要通过作图、制表、计算变量间关系等可视化手段实现。